In Kundengesprächen höre ich derzeit fast wöchentlich denselben Satz: „Wir brauchen jetzt auch KI-Agenten.” Wenn ich dann frage, welche Aufgabe der Agent übernehmen soll, zeigt sich oft: Gemeint ist eine Aufgabe, die ein klassischer Workflow seit Jahren zuverlässiger, billiger und nachvollziehbarer erledigen würde. Manchmal stimmt aber auch das Gegenteil: Ein Unternehmen quält sich mit immer komplizierteren Workflow-Regeln durch ein Problem, das nach einem Agenten verlangt. Beide Fehlgriffe kosten Geld. Dieser Beitrag liefert die Entscheidungslogik.
Was unterscheidet einen KI-Agenten von einer Automatisierung?
Eine Automatisierung folgt einem festen Pfad: Wenn X passiert, tue Y. Ein Workflow in n8n verbindet zum Beispiel den E-Mail-Eingang mit dem ERP-System: Bestellung kommt rein, Daten werden ausgelesen, Auftrag wird angelegt, Bestätigung geht raus. Jeder Schritt ist vorab definiert, jeder Durchlauf identisch. Das ist die Stärke: Workflows sind vorhersagbar, auditierbar und laufen für Centbeträge.
Ein KI-Agent bekommt dagegen kein Skript, sondern ein Ziel, Werkzeuge und Grenzen. Er entscheidet selbst, welche Schritte zum Ziel führen. Das macht ihn stark bei Aufgaben mit Varianz: unstrukturierte E-Mails, bei denen erst zu verstehen ist, was der Kunde eigentlich will. Berichte, die je nach Datenlage anders aufgebaut sein müssen. Recherchen, deren Weg sich erst beim Gehen zeigt.
Die Kurzformel: Workflows folgen Regeln, Agenten verfolgen Ziele. Wer das einmal verinnerlicht hat, trifft 80 Prozent der Entscheidungen richtig.
Die vier Prüffragen vor jeder Automatisierungs-Entscheidung
- Ist der Ablauf stabil? Wenn die Aufgabe heute genauso aussieht wie vor drei Monaten, gewinnt der Workflow. Varianz im Input (Freitext, wechselnde Formate, Ermessensspielraum) spricht für den Agenten.
- Wie teuer ist ein Fehler? Workflows scheitern laut, Agenten scheitern leise: Ein falsch konfigurierter Workflow bleibt stehen, ein Agent liefert unter Umständen ein plausibel klingendes, falsches Ergebnis. Je höher das Fehlerrisiko, desto wichtiger werden menschliche Prüfpunkte, egal welche Technik.
- Gibt es die Datenbasis? Agenten brauchen maschinenlesbaren Zugriff auf die relevanten Systeme. Wenn die Daten in PDFs, E-Mail-Anhängen und Kopf-Wissen stecken, ist das erste Projekt kein Agent, sondern Datenarbeit.
- Rechnet es sich? Ein Workflow-Durchlauf kostet praktisch nichts. Ein Agenten-Durchlauf kostet Rechenzeit pro Aufruf. Bei zehntausenden identischen Durchläufen pro Monat ist der Workflow fast immer wirtschaftlicher.
Drei Beispiele aus unserer Projektpraxis
Fall 1: E-Mail-Kategorisierung im Elektrohandwerk (Workflow gewinnt, mit KI-Baustein). Für einen Elektrotechnik-Betrieb haben wir die Triage des E-Mail-Eingangs mit n8n automatisiert. Die Klassifikation übernimmt ein Sprachmodell als ein Baustein im Workflow, alles andere (Routing, Ablage, Auftragsvorbereitung) bleibt fester Pfad. Ergebnis: KI dort, wo Sprachverständnis nötig ist, Workflow-Disziplin überall sonst.
Fall 2: Berichts- und Angebotsvorbereitung (Agent gewinnt). Sobald Texte aus mehreren Quellen zusammengeführt, gewichtet und in Kundensprache gebracht werden müssen, reichen Regeln nicht mehr. Hier arbeiten unsere Kunden mit Claude als Assistenz im definierten Rahmen: Der Agent erstellt den Entwurf, der Mensch entscheidet. Wie Teams das lernen, behandeln wir in unseren Claude-Trainings.
Fall 3: Der Hybrid als Normalfall. In den meisten Mittelstandsprojekten entsteht eine Schicht aus beidem: Workflows transportieren Daten zuverlässig zwischen den Systemen, Agenten übernehmen die Verständnis- und Entscheidungsvorbereitung dazwischen. Genau diese Schicht nennen wir den Agentic Layer: die Ebene zwischen Ihren Systemen und Ihren Mitarbeitern, in der definierte Aufgaben eigenständig laufen.
Der häufigste Fehler: Technik vor Aufgabe
Die teuersten Projekte, die wir sehen, beginnen mit dem Werkzeug („Wir haben jetzt Lizenzen”) statt mit der Aufgabenliste. Die Reihenfolge, die funktioniert: erst die Prozesse nach Automatisierungs- und Agententauglichkeit kartieren, dann je Aufgabe das Werkzeug wählen, dann klein und unter Aufsicht produktiv gehen. Werkzeugneutral heißt bei uns: Manche Aufgaben gehören in n8n-Workflows, manche zu Claude, manche bleiben in Smartsheet-Automatisierungen, und manche (noch) beim Menschen.
Bis Ende 2026 sollen 40 Prozent der Enterprise-Anwendungen aufgabenspezifische KI-Agenten enthalten, 2025 waren es unter 5 Prozent (Gartner, 2025). Die Unternehmen, die 2027 vorne stehen, sind nicht die mit den meisten Lizenzen, sondern die mit der klarsten Aufgabenliste. Deshalb lautet die Frage nicht „Workflow oder Agent?”, sondern: Wo steht Ihr Unternehmen 2027, und wie sieht Ihr Agentic Layer aus?
Machen Sie den ersten Schritt in 3 Minuten: der Standort-Check 2027.
Häufige Fragen
Ersetzt ein KI-Agent meine bestehenden n8n-Workflows?
Nein. Stabile Workflows bleiben die wirtschaftlichste Lösung für wiederkehrende Abläufe. Agenten ergänzen sie dort, wo Varianz und Sprachverständnis nötig sind. In der Praxis rufen Agenten häufig Workflows als Werkzeug auf.
Was kostet ein KI-Agent im Vergleich zu einer n8n-Automatisierung?
Ein selbst gehosteter n8n-Workflow verursacht nach der Einrichtung praktisch nur Serverkosten. Agenten kosten pro Durchlauf Rechenzeit beim Modellanbieter. Faustregel: hohe Stückzahl plus identischer Ablauf = Workflow; geringere Stückzahl plus Verständnisarbeit = Agent.
Womit fange ich an, wenn ich beides noch nicht habe?
Mit der Aufgabenliste, nicht mit der Technik. Kartieren Sie die drei Routinen, die Ihr Team am meisten Zeit kosten, und prüfen Sie sie gegen die vier Fragen oben. Für die strukturierte Variante: Standort-Check 2027 oder ein kostenloses Erstgespräch.
*Quellen: Gartner-Prognose: 40% der Enterprise-Apps mit aufgabenspezifischen KI-Agenten bis 2026 (Gartner, Pressemitteilung 26.08.2025). Praxisbeispiele aus LHC-Kundenprojekten, anonymisiert gemäß Proof-Inventar.
